Sto usando un modello misto in R
( lme4
) per analizzare alcuni dati di misure ripetute. Ho una variabile di risposta (contenuto di fibre delle feci) e 3 effetti fissi (massa corporea, ecc.). Il mio studio ha solo 6 partecipanti, con 16 misure ripetute per ognuna (sebbene due abbiano solo 12 ripetizioni). I soggetti sono lucertole a cui sono state date diverse combinazioni di cibo in diversi "trattamenti".
La mia domanda è: posso usare l'ID soggetto come effetto casuale?
So che questo è il solito corso d'azione nei modelli longitudinali di effetti misti, per tenere conto della natura campionata casualmente dei soggetti e del fatto che le osservazioni all'interno dei soggetti saranno più strettamente correlate rispetto a quelle tra soggetti. Ma, trattare l'ID soggetto come un effetto casuale implica stimare una media e una varianza per questa variabile.
Dato che ho solo 6 soggetti (6 livelli di questo fattore), è abbastanza per ottenere una caratterizzazione accurata della media e della varianza?
Il fatto che io abbia parecchie misurazioni ripetute per ogni soggetto aiuta in questo senso (non vedo come sia importante)?
Infine, se non riesco a utilizzare l'ID soggetto come effetto casuale, includerlo come effetto fisso mi consentirà di controllare il fatto di avere misure ripetute?
Modifica: vorrei solo chiarire che quando dico "posso" usare l'ID soggetto come effetto casuale, intendo "è una buona idea". So di poter adattare il modello a un fattore con solo 2 livelli, ma sicuramente questo sarebbe indifendibile? Sto chiedendo a che punto diventa sensato pensare di trattare i soggetti come effetti casuali? Sembra che la letteratura suggerisca che i livelli 5-6 sono un limite inferiore. Mi sembra che le stime della media e della varianza dell'effetto casuale non sarebbero molto precise fino a quando non ci fossero più di 15 livelli di fattore.